Duygu Kuzum (geboren 1983) ist eine türkisch-amerikanische Elektroingenieurin und Professorin an der Jacobs School of Engineering der University of California, San Diego. Sie ist bekannt für die Entwicklung transparenter neuronaler Sensoren auf Basis von einschichtigen Materialien sowie für ihre Forschung im Bereich der vom Gehirn inspirierten Informatik, die neuronale Netze mit maschinellem Lernen kombiniert, um Gehirnprozesse zu untersuchen. Ihre Arbeit findet Anwendung sowohl in den Neurowissenschaften als auch in der künstlichen Intelligenz, insbesondere bei der Entwicklung von Hardware für Deep-Learning-Systeme.
Kuzum hat zahlreiche Auszeichnungen erhalten, darunter den New Innovator Award der National Institutes of Health 2020 und den Presidential Early Career Award for Scientists and Engineers 2025. Ihre Forschung wurde in führenden Fachzeitschriften wie Nature Communications und Nano Letters veröffentlicht.
Frühes Leben und Ausbildung
Kuzum wurde in Ankara, Türkei, geboren und entwickelte bereits in der Kindheit ein Interesse an Wissenschaft. Sie besuchte die Bilkent-Universität für ihr Grundstudium und zog dann für ihre Promotion an der Stanford University in die Vereinigten Staaten. Ihre Doktorarbeit konzentrierte sich auf MOSFETs für CMOS-Anwendungen, ein grundlegendes Gebiet der modernen Halbleitertechnologie. Während ihrer Promotion absolvierte sie ein Praktikum bei Intel und sammelte dort Branchenerfahrung in der Chipfertigung.
2011 wechselte Kuzum als Postdoktorandin an die University of Pennsylvania zum Center for Neuroengineering and Therapeutics. Dort arbeitete sie an der Entwicklung transparenter neuronaler Elektroden, die eine gleichzeitige elektrische Aufzeichnung und optische Bildgebung der Gehirnaktivität ermöglichen.
Forschung und Karriere
Kuzum trat 2015 der University of California, San Diego bei, wo sie eine Forschungsgruppe an der Schnittstelle von Neurowissenschaften und Informatik leitet. Ihr Labor konzentriert sich auf innovative, vom Gehirn inspirierte Berechnungsstrategien, einschließlich der Verwendung von Phasenwechselmaterialien für synaptische Geräte, die biologische Synapsen nachahmen. Diese Arbeit ist für das neuromorphe Rechnen relevant und könnte zu energieeffizienterer KI-Hardware führen.
Ein zentraler Aspekt ihrer Forschung ist die Entwicklung transparenter, flexibler Graphenelektroden für die gleichzeitige Elektrophysiologie und Neurobildgebung. Diese Sensoren aus einschichtigen Materialien ermöglichen es Forschern, neuronale Aktivität mit hoher Auflösung zu beobachten, während sie Interferenzen mit lichtbasierten Bildgebungstechniken minimieren.
Kuzum integriert auch molekulare neuronale Sensoren mit maschinellen Lernalgorithmen, um neuronale Prozesse besser zu verstehen. Sie hat aus Stammzellen selbstorganisierte Strukturen aufgebaut, die mit steuerbaren neuronalen Sensoren ausgestattet sind, um das embryonale menschliche Gehirn nachzuahmen. Diese Organoidmodelle bieten eine Plattform zur Untersuchung der Neuroentwicklung und neurologischer Störungen.
Ihre Arbeit verbindet experimentelle Neurowissenschaften mit computergestützter Modellierung und trägt sowohl zur Grundlagenforschung als auch zu potenziellen klinischen Anwendungen bei.
Auszeichnungen und Ehrungen
Kuzum hat im Laufe ihrer Karriere mehrere prestigeträchtige Auszeichnungen erhalten:
- 2013: PopTech Fellow
- 2014: MIT Technology Review Innovators Under 35
- 2016: Office of Naval Research Young Investigator Award
- 2017: IEEE Nanotechnology Council Young Investigator Award
- 2018: NSF CAREER Award
- 2018: NIH NIBIB Trailblazer Award
- 2020: NIH New Innovator Award
- 2025: Presidential Early Career Award for Scientists and Engineers
Diese Ehrungen würdigen ihre Beiträge zu Nanoelektronik, neuronalen Schnittstellen und vom Gehirn inspirierter Informatik.
Ausgewählte Veröffentlichungen
Kuzum hat einflussreiche Arbeiten in ihrem Fachgebiet verfasst. Zu den bemerkenswerten Werken gehören:
- "Nanoelectronic programmable synapses based on phase change materials for brain-inspired computing" (2011), veröffentlicht in Nano Letters, demonstrierte einen neuartigen Ansatz für synaptische Geräte.
- "Synaptic electronics: materials, devices and applications" (2013), ein Übersichtsartikel in Nanotechnology, der den Stand der Technik bei synaptischen Geräten abdeckt.
- "Transparent and flexible low noise graphene electrodes for simultaneous electrophysiology and neuroimaging" (2014), veröffentlicht in Nature Communications, führte eine Schlüsseltechnologie für die neuronale Aufzeichnung ein.
Diese Veröffentlichungen wurden vielfach zitiert und haben sowohl die Neuronale-Netzwerk-Hardware-Gemeinschaft als auch die neurowissenschaftliche Instrumentierung beeinflusst.
Siehe auch
- neuromorphes Rechnen
- Graphen
- Gehirn-Computer-Schnittstelle